TISAX 管的是組織,車用產品的 AI 攻擊要放在哪裡做威脅建模?
很多車用供應商把 TISAX 當成「資安都在這裡」,但 TISAX 評估的是企業處理車廠資訊的資訊安全、原型保護與資料保護,不是產品本身的資安工程。AI 攻擊因此要分兩層處理:
- 產品層:ECU、座艙系統、ADAS 感知、車聯網後台裡的 AI 功能,依 ISO/SAE 21434 的威脅分析與風險評估(TARA,標準第 15 章的方法)建模;整車廠要通過 UN R155 的網路安全管理系統(CSMS)與車型核准,通常會把 TARA 要求延伸給供應商。
- 組織層(TISAX):工程師用生成式 AI 工具處理車廠圖面、規格、原型照片與測試資料,或把車隊資料拿去訓練模型,這些都是車廠機密資訊的處理行為,屬於 TISAX 評估範圍。
- 功能安全:ISO/PAS 8800:2024 處理車內 AI 元件輸出不足、系統性錯誤造成的安全風險,與 21434 的資安分析互補,不互相取代。
兩層用同一份資產清單與同一套威脅語言(NIST AI 100-2 的攻擊分類),稽核時才講得清楚。
車用產品有哪些 AI 攻擊要列進 TARA?
UN R155 附件 5 列出車型風險評估至少要涵蓋的威脅與對策,是最低清單;AI 元件特有的威脅要在 TARA 中自行增列。下表是積穗科研建議至少評估的項目:
| AI 攻擊 | 車上的進入點 | 可能後果 | 參考分類 |
|---|---|---|---|
| 對抗樣本/模型規避 | 攝影機、雷達、光達感知輸入;路面標誌被刻意改造 | 物件辨識錯誤,ADAS 判斷失準 | NIST 規避攻擊 |
| 模型投毒、資料投毒 | 車隊回傳資料、標註供應商、預訓練模型 | 模型被植入後門或特定情境失效 | NIST 投毒攻擊;OWASP LLM04 |
| 模型檔竄改 | OTA 軟體更新、診斷介面、刷寫工具 | 被換成惡意或舊版模型 | R155 附件 5(更新程序相關威脅);UN R156 軟體更新管理 |
| 提示注入 | 座艙語音助理、讀取訊息或網頁的車載 AI | 觸發未授權車輛功能或洩漏車主資料 | NIST 提示注入;OWASP LLM01、LLM06 |
| 模型竊取、訓練資料萃取 | 車上模型檔、雲端推論 API | 供應商核心模型外流、車主資料外洩 | NIST 隱私攻擊;OWASP LLM02 |
| 後台資源耗用 | 車聯網雲端 AI 服務 | 服務中斷、費用失控 | OWASP LLM10 |
AI 威脅怎麼接進 ISO/SAE 21434 的 TARA?
不需要另開一套 AI 流程,在既有 TARA 上補四件事:
- 資產識別:把模型檔與版本、訓練資料來源、標註供應商、推論端點、提示詞列為資產,標出機密性、完整性、可用性需求。
- 威脅情境:對每個 AI 資產套用上一段的攻擊清單,寫成「攻擊者經由哪個介面、做什麼、造成什麼損害」的情境。
- 攻擊可行性與影響評級:依 21434 的方法評級;對抗樣本與感知失效的影響要和功能安全團隊(ISO 26262、ISO/PAS 8800)一起判斷。
- 處置與驗證:每個需處置的情境對應一項網路安全目標與控制,並排進測試;模型更新、重新訓練或換供應商時重做 TARA。
車廠要求的 TARA 文件與 CSMS 證據,可以直接引用這些紀錄。
TISAX 這一層:車廠資料進 AI 工具前要有哪些控制與證據?
條文與評估要求以 ENX 公布的 TISAX 文件與 VDA ISA 為準;下表是積穗科研把 AI 使用情境放進既有資訊安全要求的做法,不是 ISA 的條文編號。
| 情境 | 控制做法 | 留下的證據 |
|---|---|---|
| 工程師把車廠圖面、規格丟進外部生成式 AI | 依資訊分級訂出哪些等級可進哪些 AI 服務;機密與原型資料只能進核准的企業版或地端模型 | AI 使用政策、核准服務清單、閘道封鎖紀錄 |
| AI 服務屬於外部 IT 服務 | 上線前做供應商評估:資料是否被拿去訓練、存放地點、保存期間、事件通報 | 供應商評估紀錄、合約條款 |
| 用車隊或測試資料訓練模型 | 訓練管線的存取控制、資料來源與用途紀錄;確認車廠合約是否允許 | 資料流程圖、授權紀錄 |
| 原型照片與測試影像 | 原型保護要求延伸到 AI 標註與影像辨識工具,禁止上傳未核准平台 | 標註供應商合約、存取紀錄 |
| 帳號與用量 | 個人帳號、離職即停用、異常用量告警 | 帳號清單、告警紀錄 |
產品資安、資訊安全、研發與供應商各自負責什麼?積穗做哪一段?
- 產品資安(CSMS)團隊:維護 AI 攻擊清單,把 AI 威脅納入 TARA,回應車廠的網路安全介面協議(CIA)要求。
- 資訊安全(TISAX)團隊:訂定 AI 使用政策與核准清單,處理 AI 工具與車廠資料的存取控制與紀錄。
- 研發與 AI 團隊:提供模型、資料來源與更新流程的資訊;模型改版觸發重評。
- 採購:與 AI 服務、標註、模型供應商約定資料使用限制與事件通報。
積穗科研負責 TISAX 範圍與等級判定、把 AI 使用情境納入資訊安全制度、協助產品團隊建立含 AI 威脅的 TARA 方法與證據規劃。積穗科研只做輔導,不做 TISAX 評估;評估由 ENX 認可的稽核單位執行。
已經有 TISAX 標籤,要補 AI 威脅建模從哪裡開始?
- 盤點兩份清單:產品裡的 AI 元件,以及員工實際在用的 AI 工具(包括個人帳號)。
- 先管資料出口:訂出車廠機密與原型資料可以進哪些 AI 服務,未核准的服務先封鎖。
- 補 TARA:挑一個有 AI 功能的產品,用本頁的攻擊清單補一輪 TARA,做成範本再推到其他產品。
下一次 TISAX 評估或車廠稽核前,這些紀錄就能直接拿出來。
其他服務的 AI 資安攻擊防護
官方來源
- ISO/SAE 21434:2021 Road vehicles — Cybersecurity engineering — ISO
- UN Regulation No. 155 — Cyber security and cyber security management system [2025/5] — EUR-Lex
- ISO/PAS 8800:2024 Road vehicles — Safety and artificial intelligence — ISO
- ENX Association — TISAX
- NIST AI 100-2 E2025, Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations
- OWASP Top 10 for LLM Applications 2025 — OWASP GenAI Security Project
